D435深度图片对齐到彩色图片-Eigen实现
为了更深入了解深度图对齐彩色图的过程，本例将坐标变换部分使用Eigen库来实现
本例基本按上篇：Intel Realsense SDK2.0学习：：（三）D435深度图片对齐到彩色图片-代码实现 ，只不过是将坐标运算部分用Eigen实现而不是直接用 rs2 库实现
原理部分见上一篇，这里直接给代码 ：
一、不使用MKL加速
#define SPEED 1
#ifndef SPEED
#define EIGEN_USE_MKL_ALL
#define EIGEN_VECTORIZE_SSE4_2
#else
#endif
#include <iostream>
using namespace std;
#include <sstream>
#include <iostream>
#include <fstream>
#include <algorithm>
#include <cstring>
#include<opencv2/imgproc/imgproc.hpp>
#include<opencv2/core/core.hpp>
#include<opencv2/highgui/highgui.hpp>
using namespace cv;
#include<librealsense2/rs.hpp>
#include<librealsense2/rsutil.h>
#include</usr/include/eigen3/Eigen/Core>
#include</usr/include/eigen3/Eigen/Dense>
//获取深度像素对应长度单位（米）的换算比例
float get_depth_scale(rs2::device dev)
{
// Go over the device's sensors
for (rs2::sensor& sensor : dev.query_sensors())
{
// Check if the sensor if a depth sensor
if (rs2::depth_sensor dpt = sensor.as<rs2::depth_sensor>())
{
return dpt.get_depth_scale();
}
}
throw std::runtime_error("Device does not have a depth sensor");
}
//深度图对齐到彩色图函数
Mat align_Depth2Color(Mat depth,Mat color,rs2::pipeline_profile profile){
//声明数据流
auto depth_stream=profile.get_stream(RS2_STREAM_DEPTH).as<rs2::video_stream_profile>();
auto color_stream=profile.get_stream(RS2_STREAM_COLOR).as<rs2::video_stream_profile>();
//获取内参
const rs2_intrinsics intrinDepth=depth_stream.get_intrinsics();
const rs2_intrinsics intrinColor=color_stream.get_intrinsics();
//利用Eigen存放内参
Eigen::Matrix3d intrinDepth_matrix;
intrinDepth_matrix<<intrinDepth.fx,0,intrinDepth.ppx,0,intrinDepth.fy,intrinDepth.ppy,
0,0,1;
Eigen::Matrix3d intrinColor_matrix;
intrinColor_matrix<<intrinColor.fx,0,intrinColor.ppx,0,intrinColor.fy,intrinColor.ppy,
0,0,1;
//直接获取从深度摄像头坐标系到彩色摄像头坐标系的欧式变换矩阵
//auto extrinDepth2Color=depth_stream.get_extrinsics_to(color_stream);
rs2_extrinsics extrinDepth2Color;
rs2_error *error;
rs2_get_extrinsics(depth_stream,color_stream,&extrinDepth2Color,&error);
//Eigen 用3*3矩阵表示旋转矩阵
Eigen::Matrix3d R_matrix;
R_matrix<<extrinDepth2Color.rotation[0],extrinDepth2Color.rotation[1],extrinDepth2Color.rotation[2],
extrinDepth2Color.rotation[3],extrinDepth2Color.rotation[4],extrinDepth2Color.rotation[5],
extrinDepth2Color.rotation[6],extrinDepth2Color.rotation[7],extrinDepth2Color.rotation[8];
//Eigen 用三维向量表示平移量
Eigen::Vector3d t_vector;
t_vector<<extrinDepth2Color.translation[0],
extrinDepth2Color.translation[1],
extrinDepth2Color.translation[2];
//Eigen 声明欧氏变换转移矩阵T,用上面的旋转矩阵和平移量构造
Eigen::Isometry3d T_Depth2Color=Eigen::Isometry3d::Identity();
T_Depth2Color.rotate(R_matrix);
T_Depth2Color.pretranslate(t_vector);
//平面点定义
float pd_uv[2],pc_uv[2];
//空间点定义
float Pdc3[3],Pcc3[3];
//获取深度像素与现实单位比例（D435默认1毫米）
float depth_scale = get_depth_scale(profile.get_device());
int y=0,x=0;
//初始化结果
Mat result=Mat(color.rows,color.cols,CV_8UC3,Scalar(0,0,0));
Eigen::Vector3d Pd_uv;//深度图平面坐标
Eigen::Matrix3d Z;//深度
Eigen::Vector3d pdc3;//深度坐标系坐标
Eigen::Vector3d pcc3;//彩色坐标系坐标
Eigen::Vector3d Pc_uv;//彩色图平面坐标
//对深度图像遍历
double start = clock();
for(int row=0;row<depth.rows;row++){
for(int col=0;col<depth.cols;col++){
//将当前的(x,y)放入数组pd_uv，表示当前深度图的点
pd_uv[0]=col;
pd_uv[1]=row;
//取当前点对应的深度值
uint16_t depth_value=depth.at<uint16_t>(row,col);
//换算到米
float depth_m=depth_value*depth_scale;
//将深度图的像素点根据内参转换到深度摄像头坐标系下的三维点
//rs2_deproject_pixel_to_point(Pdc3,&intrinDepth,pd_uv,depth_m);
Pd_uv<<col,row,1;
//求逆太慢了，可选择直接计算
pdc3=intrinDepth_matrix.inverse()*Pd_uv;
//pdc3[0]=(Pd_uv[0]-intrinDepth_matrix(0,2))*depth_m/intrinDepth_matrix(0,0);
//pdc3[1]=(Pd_uv[1]-intrinDepth_matrix(1,2))*depth_m/intrinDepth_matrix(1,1);
//pdc3[2]=depth_m;
pdc3[0]*=depth_m;
pdc3[1]*=depth_m;
pdc3[2]=depth_m;
//将深度摄像头坐标系的三维点转化到彩色摄像头坐标系下
pcc3=T_Depth2Color*pdc3;
//将彩色摄像头坐标系下的深度三维点映射到二维平面上
//将pcc3按z轴归一化
pcc3[0]=pcc3[0]/pcc3[2];
pcc3[1]=pcc3[1]/pcc3[2];
pcc3[2]=pcc3[2]/pcc3[2];
Pc_uv=intrinColor_matrix*pcc3;
//取得映射后的（u,v)
x=(int)Pc_uv[0];
y=(int)Pc_uv[1];
//最值限定
x=x<0? 0:x;
x=x>depth.cols-1 ? depth.cols-1:x;
y=y<0? 0:y;
y=y>depth.rows-1 ? depth.rows-1:y;
//将成功映射的点用彩色图对应点的RGB数据覆盖
for(int k=0;k<3;k++){
//这里设置了只显示1米距离内的东西
if(depth_m<6)
result.at<cv::Vec3b>(y,x)[k]=
color.at<cv::Vec3b>(y,x)[k];
}
}
}
double endd = clock();
double thisTime = (double)(endd - start) / CLOCKS_PER_SEC;
#ifndef SPEED
cout << "加速后: " << thisTime << endl;
#else
cout << "未加速: " << thisTime << endl;
#endif // 1
return result;
}
int main()
{
const char* depth_win="depth_Image";
namedWindow(depth_win,WINDOW_AUTOSIZE);
const char* color_win="color_Image";
namedWindow(color_win,WINDOW_AUTOSIZE);
//深度图像颜色map
rs2::colorizer c; // Helper to colorize depth images
//创建数据管道
rs2::pipeline pipe;
rs2::config pipe_config;
pipe_config.enable_stream(RS2_STREAM_DEPTH,640,480,RS2_FORMAT_Z16,30);
pipe_config.enable_stream(RS2_STREAM_COLOR,640,480,RS2_FORMAT_BGR8,30);
//start()函数返回数据管道的profile
rs2::pipeline_profile profile = pipe.start(pipe_config);
//定义一个变量去转换深度到距离
float depth_clipping_distance = 1.f;
//声明数据流
auto depth_stream=profile.get_stream(RS2_STREAM_DEPTH).as<rs2::video_stream_profile>();
auto color_stream=profile.get_stream(RS2_STREAM_COLOR).as<rs2::video_stream_profile>();
//获取内参
auto intrinDepth=depth_stream.get_intrinsics();
auto intrinColor=color_stream.get_intrinsics();
//直接获取从深度摄像头坐标系到彩色摄像头坐标系的欧式变换矩阵
auto extrinDepth2Color=depth_stream.get_extrinsics_to(color_stream);
while (cvGetWindowHandle(depth_win)&&cvGetWindowHandle(color_win)) // Application still alive?
{
//堵塞程序直到新的一帧捕获
rs2::frameset frameset = pipe.wait_for_frames();
//取深度图和彩色图
rs2::frame color_frame = frameset.get_color_frame();//processed.first(align_to);
rs2::frame depth_frame = frameset.get_depth_frame();
rs2::frame depth_frame_4_show = frameset.get_depth_frame().apply_filter(c);
//获取宽高
const int depth_w=depth_frame.as<rs2::video_frame>().get_width();
const int depth_h=depth_frame.as<rs2::video_frame>().get_height();
const int color_w=color_frame.as<rs2::video_frame>().get_width();
const int color_h=color_frame.as<rs2::video_frame>().get_height();
//创建OPENCV类型 并传入数据
Mat depth_image(Size(depth_w,depth_h),
CV_16U,(void*)depth_frame.get_data(),Mat::AUTO_STEP);
Mat depth_image_4_show(Size(depth_w,depth_h),
CV_8UC3,(void*)depth_frame_4_show.get_data(),Mat::AUTO_STEP);
Mat color_image(Size(color_w,color_h),
CV_8UC3,(void*)color_frame.get_data(),Mat::AUTO_STEP);
//实现深度图对齐到彩色图
Mat result=align_Depth2Color(depth_image,color_image,profile);
//显示
imshow(depth_win,depth_image_4_show);
imshow(color_win,color_image);
imshow("result",result);
waitKey(10);
}
return 0;
}
运行效果：
运行十分卡顿，看来矩阵运算花费时间太长
二、EIgen使用MKL加速
（1）Intel MKL 安装 配置 （不展开）
代码部分：
//#define SPEED 1
#ifndef SPEED
#define EIGEN_USE_MKL_ALL
#define EIGEN_VECTORIZE_SSE4_2
#else
#endif
#include <iostream>
using namespace std;
#include <sstream>
#include <iostream>
#include <fstream>
#include <algorithm>
#include <cstring>
#include<opencv2/imgproc/imgproc.hpp>
#include<opencv2/core/core.hpp>
#include<opencv2/highgui/highgui.hpp>
using namespace cv;
#include<librealsense2/rs.hpp>
#include<librealsense2/rsutil.h>
#include</usr/include/eigen3/Eigen/Core>
#include</usr/include/eigen3/Eigen/Dense>
//获取深度像素对应长度单位（米）的换算比例
float get_depth_scale(rs2::device dev)
{
// Go over the device's sensors
for (rs2::sensor& sensor : dev.query_sensors())
{
// Check if the sensor if a depth sensor
if (rs2::depth_sensor dpt = sensor.as<rs2::depth_sensor>())
{
return dpt.get_depth_scale();
}
}
throw std::runtime_error("Device does not have a depth sensor");
}
//深度图对齐到彩色图函数
Mat align_Depth2Color(Mat depth,Mat color,rs2::pipeline_profile profile){
//声明数据流
auto depth_stream=profile.get_stream(RS2_STREAM_DEPTH).as<rs2::video_stream_profile>();
auto color_stream=profile.get_stream(RS2_STREAM_COLOR).as<rs2::video_stream_profile>();
//获取内参
const rs2_intrinsics intrinDepth=depth_stream.get_intrinsics();
const rs2_intrinsics intrinColor=color_stream.get_intrinsics();
//利用Eigen存放内参
Eigen::Matrix3d intrinDepth_matrix;
intrinDepth_matrix<<intrinDepth.fx,0,intrinDepth.ppx,0,intrinDepth.fy,intrinDepth.ppy,
0,0,1;
Eigen::Matrix3d intrinColor_matrix;
intrinColor_matrix<<intrinColor.fx,0,intrinColor.ppx,0,intrinColor.fy,intrinColor.ppy,
0,0,1;
//直接获取从深度摄像头坐标系到彩色摄像头坐标系的欧式变换矩阵
//auto extrinDepth2Color=depth_stream.get_extrinsics_to(color_stream);
rs2_extrinsics extrinDepth2Color;
rs2_error *error;
rs2_get_extrinsics(depth_stream,color_stream,&extrinDepth2Color,&error);
//Eigen 用3*3矩阵表示旋转矩阵
Eigen::Matrix3d R_matrix;
R_matrix<<extrinDepth2Color.rotation[0],extrinDepth2Color.rotation[1],extrinDepth2Color.rotation[2],
extrinDepth2Color.rotation[3],extrinDepth2Color.rotation[4],extrinDepth2Color.rotation[5],
extrinDepth2Color.rotation[6],extrinDepth2Color.rotation[7],extrinDepth2Color.rotation[8];
//Eigen 用三维向量表示平移量
Eigen::Vector3d t_vector;
t_vector<<extrinDepth2Color.translation[0],
extrinDepth2Color.translation[1],
extrinDepth2Color.translation[2];
//Eigen 声明欧氏变换转移矩阵T,用上面的旋转矩阵和平移量构造
Eigen::Isometry3d T_Depth2Color=Eigen::Isometry3d::Identity();
T_Depth2Color.rotate(R_matrix);
T_Depth2Color.pretranslate(t_vector);
//平面点定义
float pd_uv[2],pc_uv[2];
//空间点定义
float Pdc3[3],Pcc3[3];
//获取深度像素与现实单位比例（D435默认1毫米）
float depth_scale = get_depth_scale(profile.get_device());
int y=0,x=0;
//初始化结果
Mat result=Mat(color.rows,color.cols,CV_8UC3,Scalar(0,0,0));
Eigen::Vector3d Pd_uv;//深度图平面坐标
Eigen::Matrix3d Z;//深度
Eigen::Vector3d pdc3;//深度坐标系坐标
Eigen::Vector3d pcc3;//彩色坐标系坐标
Eigen::Vector3d Pc_uv;//彩色图平面坐标
//对深度图像遍历
double start = clock();
for(int row=0;row<depth.rows;row++){
for(int col=0;col<depth.cols;col++){
//将当前的(x,y)放入数组pd_uv，表示当前深度图的点
pd_uv[0]=col;
pd_uv[1]=row;
//取当前点对应的深度值
uint16_t depth_value=depth.at<uint16_t>(row,col);
//换算到米
float depth_m=depth_value*depth_scale;
//将深度图的像素点根据内参转换到深度摄像头坐标系下的三维点
//rs2_deproject_pixel_to_point(Pdc3,&intrinDepth,pd_uv,depth_m);
Pd_uv<<col,row,1;
//求逆太慢了，可选择直接计算
pdc3=intrinDepth_matrix.inverse()*Pd_uv;
//pdc3[0]=(Pd_uv[0]-intrinDepth_matrix(0,2))*depth_m/intrinDepth_matrix(0,0);
//pdc3[1]=(Pd_uv[1]-intrinDepth_matrix(1,2))*depth_m/intrinDepth_matrix(1,1);
//pdc3[2]=depth_m;
pdc3[0]*=depth_m;
pdc3[1]*=depth_m;
pdc3[2]=depth_m;
//将深度摄像头坐标系的三维点转化到彩色摄像头坐标系下
pcc3=T_Depth2Color*pdc3;
//将彩色摄像头坐标系下的深度三维点映射到二维平面上
//将pcc3按z轴归一化
pcc3[0]=pcc3[0]/pcc3[2];
pcc3[1]=pcc3[1]/pcc3[2];
pcc3[2]=pcc3[2]/pcc3[2];
Pc_uv=intrinColor_matrix*pcc3;
//取得映射后的（u,v)
x=(int)Pc_uv[0];
y=(int)Pc_uv[1];
//最值限定
x=x<0? 0:x;
x=x>depth.cols-1 ? depth.cols-1:x;
y=y<0? 0:y;
y=y>depth.rows-1 ? depth.rows-1:y;
//将成功映射的点用彩色图对应点的RGB数据覆盖
for(int k=0;k<3;k++){
//这里设置了只显示1米距离内的东西
if(depth_m<6)
result.at<cv::Vec3b>(y,x)[k]=
color.at<cv::Vec3b>(y,x)[k];
}
}
}
double endd = clock();
double thisTime = (double)(endd - start) / CLOCKS_PER_SEC;
#ifndef SPEED
cout << "加速后: " << thisTime << endl;
#else
cout << "未加速: " << thisTime << endl;
#endif // 1
return result;
}
int main()
{
const char* depth_win="depth_Image";
namedWindow(depth_win,WINDOW_AUTOSIZE);
const char* color_win="color_Image";
namedWindow(color_win,WINDOW_AUTOSIZE);
//深度图像颜色map
rs2::colorizer c; // Helper to colorize depth images
//创建数据管道
rs2::pipeline pipe;
rs2::config pipe_config;
pipe_config.enable_stream(RS2_STREAM_DEPTH,640,480,RS2_FORMAT_Z16,30);
pipe_config.enable_stream(RS2_STREAM_COLOR,640,480,RS2_FORMAT_BGR8,30);
//start()函数返回数据管道的profile
rs2::pipeline_profile profile = pipe.start(pipe_config);
//定义一个变量去转换深度到距离
float depth_clipping_distance = 1.f;
//声明数据流
auto depth_stream=profile.get_stream(RS2_STREAM_DEPTH).as<rs2::video_stream_profile>();
auto color_stream=profile.get_stream(RS2_STREAM_COLOR).as<rs2::video_stream_profile>();
//获取内参
auto intrinDepth=depth_stream.get_intrinsics();
auto intrinColor=color_stream.get_intrinsics();
//直接获取从深度摄像头坐标系到彩色摄像头坐标系的欧式变换矩阵
auto extrinDepth2Color=depth_stream.get_extrinsics_to(color_stream);
while (cvGetWindowHandle(depth_win)&&cvGetWindowHandle(color_win)) // Application still alive?
{
//堵塞程序直到新的一帧捕获
rs2::frameset frameset = pipe.wait_for_frames();
//取深度图和彩色图
rs2::frame color_frame = frameset.get_color_frame();//processed.first(align_to);
rs2::frame depth_frame = frameset.get_depth_frame();
rs2::frame depth_frame_4_show = frameset.get_depth_frame().apply_filter(c);
//获取宽高
const int depth_w=depth_frame.as<rs2::video_frame>().get_width();
const int depth_h=depth_frame.as<rs2::video_frame>().get_height();
const int color_w=color_frame.as<rs2::video_frame>().get_width();
const int color_h=color_frame.as<rs2::video_frame>().get_height();
//创建OPENCV类型 并传入数据
Mat depth_image(Size(depth_w,depth_h),
CV_16U,(void*)depth_frame.get_data(),Mat::AUTO_STEP);
Mat depth_image_4_show(Size(depth_w,depth_h),
CV_8UC3,(void*)depth_frame_4_show.get_data(),Mat::AUTO_STEP);
Mat color_image(Size(color_w,color_h),
CV_8UC3,(void*)color_frame.get_data(),Mat::AUTO_STEP);
//实现深度图对齐到彩色图
Mat result=align_Depth2Color(depth_image,color_image,profile);
//显示
imshow(depth_win,depth_image_4_show);
imshow(color_win,color_image);
imshow("result",result);
waitKey(10);
}
return 0;
}
为了方便参考，给出使用MKL的 CMAKeLIST.txt
project(depth_align2_color_with_Eigen)
cmake_minimum_required(VERSION 2.8)
aux_source_directory(. SRC_LIST)
add_executable(${PROJECT_NAME} ${SRC_LIST})
#c++ 11
set(CMAKE_CXX_FLAGS "-std=c++11")
#寻找opencv库
find_package(OpenCV REQUIRED)
#查找openmp
FIND_PACKAGE( OpenMP REQUIRED)
if(OPENMP_FOUND)
message("OPENMP FOUND")
set(CMAKE_C_FLAGS "${CMAKE_C_FLAGS} ${OpenMP_C_FLAGS}")
set(CMAKE_CXX_FLAGS "${CMAKE_CXX_FLAGS} ${OpenMP_CXX_FLAGS}")
set(CMAKE_EXE_LINKER_FLAGS "${CMAKE_EXE_LINKER_FLAGS} ${OpenMP_EXE_LINKER_FLAGS}")
set(CMAKE_SHARE_LINKER_FLAGS "${CMAKE_SHARE_LINKER_FLAGS} ${OpenMP_SHARE_LINKER_FLAGS}")
endif()
#添加头文件
include_directories(${OpenCV_INCLUDE_DIRS})
include_directories(/opt/intel/mkl/include)
INCLUDE_DIRECTORIES(/usr/include/eigen3)
#链接Opencv库
target_link_libraries(depth_align2_color_with_Eigen ${OpenCV_LIBS} )
#添加后可进行调试
#set( CMAKE_BUILD_TYPE Debug )
#realsense2 库链接
set(DEPENDENCIES realsense2 )
target_link_libraries(depth_align2_color_with_Eigen ${DEPENDENCIES})
#mkl库链接， omp加速优化等
ADD_DEFINITIONS(
-L/opt/intel/lib/intel64 -lmkl_intel_lp64 -lmkl_intel_thread -lmkl_core -liomp5 -lpthread -ldl -lm )
#g++ main.cpp -L/opt/intel/mkl/lib/intel64 -std=c++11 -lmkl_intel_lp64 -lmkl_intel_thread -lmkl_core -lrealsense2 `pkg-config --cflags --libs opencv` -L/opt/intel/lib/intel64 -liomp5 -lpthread -ldl -lm
运行效果：
真是奇怪，使用MKL后效果没有提升，反而有更慢的趋势。
总结
可能由于计算的是小矩阵，运算速度上用不用MKL其实差别不大，只是这个小矩阵的运算次数非常多，是像素点次，即640*480次，最终下来花费时间很长。 大概看了一下rs2库对应的坐标变换函数，并非用矩阵运算，而是直接四则运算，怪不得效果好那么多，而且rs2的线程优化貌似也已经很好了。
一句话：realsense sdk2.0 的四则运算实现的坐标变换比Eigen矩阵实现流畅N倍，
扫一扫
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
